Tổng quan về luận án

Trong kỷ nguyên kinh tế số và toàn cầu hóa sâu rộng, các động lực tăng trưởng kinh tế và lợi thế cạnh tranh cốt lõi đang chứng kiến sự dịch chuyển mang tính bước ngoặt từ các tài sản hữu hình sang tài sản vô hình, đặc biệt là nguồn vốn trí tuệ (Intellectual Capital - IC). Mặc dù vai trò của vốn trí tuệ đối với hiệu quả tài chính doanh nghiệp đã được thừa nhận rộng rãi trong các công trình tiền nhiệm (Bayraktaroglu và cộng sự, 2019; Xu và Wang, 2019; Chen và cộng sự, 2005), khoảng trống học thuật nổi cộm vẫn tồn tại: phần lớn các nghiên cứu trước đây gần như bỏ quên việc đo lường vốn trí tuệ tại cấp độ ngành và cấp độ quốc gia, cũng như chưa kiểm định một cách hệ thống tác động lan tỏa đa tầng của nguồn lực này đối với hiệu quả kinh tế vĩ mô.

Luận án tiến sĩ ngành Quản trị Kinh doanh (Mã số: 9340101) của nghiên cứu sinh Trần Phú Ngọc, dưới sự hướng dẫn khoa học của GS.TS. Võ Hồng Đức và PGS.TS. Vạn Thị Hồng Loan tại Trường Đại học Mở TP.HCM (2024), mang tiêu đề "Intellectual Capital and its Effects on the Performance of Firms, Sectors and Nations" đã giải quyết triệt để khoảng trống này. Nghiên cứu xác lập mục tiêu bao quát là: "measuring intellectual capital at the firm, sector and nation levels" (đo lường vốn trí tuệ ở cả ba cấp độ: doanh nghiệp, ngành và quốc gia), đồng thời đánh giá tác động thực chứng của vốn trí tuệ đến hiệu quả hoạt động doanh nghiệp, hiệu quả ngành và hiệu quả kinh tế quốc gia.

Để hiện thực hóa mục tiêu trên, luận án tập trung giải quyết hai câu hỏi nghiên cứu cốt lõi:

  1. Câu hỏi 1 (RQ1): Có sự khác biệt nào về mức độ hiệu quả vốn trí tuệ giữa các doanh nghiệp tài chính và phi tài chính tại Việt Nam, và những bước tiến tiềm năng nào có thể được thiết lập để đo lường vốn trí tuệ ở cấp độ ngành và cấp độ quốc gia?
  2. Câu hỏi 2 (RQ2): Tác động thực chứng của vốn trí tuệ đối với hiệu quả hoạt động của doanh nghiệp và các ngành kinh tế tại Việt Nam cũng như hiệu quả kinh tế của các quốc gia trên thế giới diễn ra như thế nào?

Khung lý thuyết của luận án được định hình vững chắc dựa trên sự giao thoa của ba trụ cột lý thuyết lớn: Lý thuyết Dựa trên Nguồn lực (Resource-Based View - RBV) của Wernerfelt (1984) và Barney (1991), Lý thuyết Dựa trên Tri thức (Knowledge-Based Theory - KBT) của Hoskisson và cộng sự (1999) cùng Roos và cộng sự (2005), và Lý thuyết Dựa trên Hiệu quả hoạt động (Performance-Based Theory) của Chenhall (1997) và Kaplan (1983).

Phạm vi nghiên cứu thực nghiệm được thiết kế quy mô và đa tầng:

  • Cấp độ doanh nghiệp và ngành: Khảo sát mẫu gồm 150 doanh nghiệp đầu ngành niêm yết trên thị trường chứng khoán Việt Nam (HOSE và HNX) trong giai đoạn 8 năm từ 2011 đến 2018 (đại diện cho tỷ lệ 20,03% trên tổng thể sau khi sàng lọc loại bỏ 599 doanh nghiệp không đủ tiêu chuẩn dữ liệu). Mẫu phân bổ cân bằng gồm 75 doanh nghiệp tài chính và 75 doanh nghiệp phi tài chính, bao quát 12 phân ngành kinh tế.
  • Cấp độ quốc gia: Khảo sát bộ dữ liệu bảng toàn cầu bao gồm 104 quốc gia trong khung thời gian 19 năm liên tục từ năm 2000 đến năm 2018, khai thác từ hệ thống chỉ báo phát triển thế giới (World Development Indicators - WDI) của Ngân hàng Thế giới (World Bank).

Ý nghĩa học thuật và thực tiễn của công trình thể hiện ở việc lượng hóa thành công các chỉ số đo lường vốn trí tuệ mới, cung cấp luận cứ thực nghiệm chuẩn xác cho các nhà hoạch định chính sách kinh tế vĩ mô, các cơ quan quản lý ngành và giới điều hành doanh nghiệp trong việc tối ưu hóa cấu trúc vốn vô hình.

Literature Review và Positioning

Tổng quan y văn học thuật về vốn trí tuệ phản ánh tiến trình tiến hóa từ các mô hình định tính vi mô sang các khung lượng hóa vĩ mô. Về mặt phân loại và đo lường cấu trúc tài sản vô hình, các trường phái kinh điển khởi xướng từ mô hình của Saint-Onge (Westberg & Sullivan, 1998), mô hình giám sát tài sản vô hình của Sveiby (1997), mô hình giá trị Skandia của Edvinsson và Malone (1997), cho đến khung tiếp cận của Sullivan (2000). Ở góc độ đo lường hiệu quả truyền thống, Kaplan và Norton (1992) đề xuất Thẻ điểm cân bằng (Balanced Scorecard), Brooking (1996) đưa ra Technology Broker, và đặc biệt là bước đột phá với mô hình Hệ số Hiệu quả Vốn Trí tuệ Gia tăng (Value Added Intellectual Coefficient - VAIC™) của Pulic (1998).

Trong y văn tồn tại hai luồng quan điểm tranh biện sâu sắc về tác động của vốn trí tuệ:

  • Luồng quan điểm tương quan dương: Chiếm ưu thế áp đảo, khẳng định vốn trí tuệ là nguồn lực chiến lược tạo lập lợi thế cạnh tranh bền vững và thúc đẩy tỷ suất sinh lời vượt trội (Phusavat và cộng sự, 2011; Xu & Wang, 2019; Soewarno & Tjahjadi, 2020). Trong các phân ngành chuyên biệt như ngân hàng (Akkas & Asutay, 2022) hay công nghệ cao (Nkambule và cộng sự, 2022; Xu & Li, 2019), hiệu quả vốn con người (Human Capital Efficiency - HCE) đóng vai trò sống còn.
  • Luồng quan điểm tương quan âm hoặc không đáng kể: Một số công trình thực nghiệm lại ghi nhận mối liên hệ nghịch chiều hoặc mờ nhạt giữa các cấu phần vốn trí tuệ và hiệu quả tài chính doanh nghiệp (Chan, 2009; Ghosh & Mondal, 2009; Firer & Williams, 2003), làm dấy lên nghi vấn về chi phí đầu tư tài sản vô hình có thể làm suy giảm lợi nhuận ngắn hạn nếu không được quản trị tối ưu.

Về cấp độ ngành và vùng lãnh thổ, các nghiên cứu quốc tế trước đây đã có những nỗ lực phân tích ban đầu. Điển hình như Poyhonen và Smedlund (2004) nghiên cứu vốn trí tuệ vùng tại Phần Lan qua 3 mạng lưới (sản xuất, đổi mới và phát triển); Edvinsson và Bounfour (2004) áp dụng mô hình IC-dVAL tại các vùng của Pháp; Xia và Niu (2010) thiết lập hệ thống 27 chỉ số đánh giá vốn trí tuệ tại 29 tỉnh thành Trung Quốc; Liu và cộng sự (2021) áp dụng phương pháp ra quyết định đa tiêu chí (MCDM) cho 31 tỉnh Trung Quốc; và Yodmongkon cùng Chakpitak (2009) đo lường vốn trí tuệ ngành tại Thái Lan thông qua cách tiếp cận định tính (phân tích nội dung và lý thuyết nền tảng). Tuy nhiên, các cách tiếp cận này bộc lộ nhược điểm lớn: phụ thuộc nặng nề vào dữ liệu định tính, khó thu thập định kỳ và thiếu tính chuẩn hóa toán học để so sánh liên ngành hoặc liên quốc gia.

Về cấp độ quốc gia, Bontis (2004) phát triển Chỉ số Vốn Trí tuệ Quốc gia (NICI) cho 10 quốc gia Ả Rập; Lin và Edvinsson (2011) cùng Lin, Edvinsson, Chen và Beding (2014) xây dựng chỉ số tổng hợp gồm 5 thành phần (vốn con người, thị trường, quy trình, đổi mới và tài chính); Kapyla và cộng sự (2012) bổ sung thành phần vốn xã hội. Dù vậy, các chỉ số này còn phức tạp trong tính toán, chịu ảnh hưởng bởi đánh giá chủ quan và khó áp dụng đồng nhất trên quy mô toàn cầu qua nhiều thập kỷ.

Luận án của NCS. Trần Phú Ngọc đã định vị nghiên cứu một cách đột phá khi khắc phục toàn bộ các hạn chế trên bằng cách:

  1. Mở rộng mô hình MVAIC để so sánh trực diện khu vực tài chính và phi tài chính tại một nền kinh tế mới nổi (Việt Nam).
  2. Phát triển Chỉ số Vốn Trí tuệ Cấp Ngành (Sectoral Intellectual Capital Index - SICI) chuẩn hóa dựa trên dữ liệu báo cáo tài chính hàng năm.
  3. Kiến tạo Chỉ số Vốn Trí tuệ Quốc gia mới (Index of National Intellectual Capital - INIC) thỏa mãn 4 tiêu chí cốt lõi: đơn giản, định lượng khách quan, phản ánh thị trường và có khả năng so sánh quốc tế trên mẫu dữ liệu lớn 104 quốc gia.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Nghiên cứu mang lại những đóng góp nền tảng cho hệ thống lý thuyết quản trị và kinh tế học:

  • Mở rộng Lý thuyết Dựa trên Nguồn lực (RBV) và Lý thuyết Dựa trên Tri thức (KBT): Chứng minh rằng vốn trí tuệ không chỉ là tài sản chiến lược tĩnh ở cấp độ vi mô doanh nghiệp (Barney, 1991), mà khi được tích lũy và cấu trúc hóa ở cấp độ trung mô (ngành) và vĩ mô (quốc gia), nó đóng vai trò như một nguồn vốn nền tảng thúc đẩy năng suất nhân tố tổng hợp và tăng trưởng kinh tế dài hạn.
  • Tái cấu trúc luận điểm hạch toán tài sản vô hình: Luận án khẳng định nguyên lý cốt lõi của mô hình MVAIC rằng: "intellectual capital components can be seen as a set of knowledge that can bring long-lasting benefits in the future and allows to treat expenses as investment" (các thành phần vốn trí tuệ được xem như tập hợp tri thức mang lại lợi ích lâu dài trong tương lai, cho phép hạch toán các khoản chi phí phát sinh như những khoản đầu tư tích lũy giá trị).
  • Tạo bước chuyển dịch nhận thức (Paradigm Shift): Chuyển nhận thức từ việc xem vốn trí tuệ là thuộc tính riêng lẻ của tổ chức sang mô hình tích hợp hệ sinh thái tri thức 3 cấp độ (Doanh nghiệp - Ngành - Quốc gia), thiết lập mối liên kết hữu cơ giữa năng lực nội tại của doanh nghiệp với môi trường thể chế và hạ tầng tri thức quốc gia.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đa chiều các lý thuyết với những cấu phần đo lường cụ thể:

  1. Mô hình MVAIC cấp doanh nghiệp: Đo lường tổng thể hiệu quả sử dụng vốn trí tuệ gia tăng cải tiến gồm 4 thành phần: $$\text{MVAIC}{it} = \text{HCE}{it} + \text{SCE}{it} + \text{CEE}{it} + \text{RCE}_{it}$$ Trong đó: HCE là hiệu quả vốn con người (VA/HC), SCE là hiệu quả vốn cấu trúc (SC/VA), CEE là hiệu quả vốn hữu hình sử dụng (VA/CA), và RCE là hiệu quả vốn quan hệ (RC/VA với chi phí tiếp thị/bán hàng đại diện cho vốn quan hệ).
  2. Chỉ số SICI cấp ngành: Được thiết lập như một chỉ số đa chiều tổng hợp từ hiệu quả vốn trí tuệ của các doanh nghiệp thành viên trong 12 phân ngành kinh tế, đảm bảo các thuộc tính toán học chặt chẽ và loại bỏ tính chủ quan định tính.
  3. Chỉ số INIC cấp quốc gia: Tích hợp 3 trụ cột cơ bản của tri thức quốc gia đại diện bởi các chỉ báo khách quan từ Ngân hàng Thế giới (WDI):
    • Vốn con người (Human Capital): Tỷ lệ nhập học đại học (% tổng nhập học gộp), tỷ lệ nhập học trung học (% tổng nhập học gộp), và chi tiêu công của chính phủ cho giáo dục (% GDP).
    • Vốn cấu trúc (Structural Capital): Tỷ lệ cá nhân sử dụng Internet trên tổng dân số, và tỷ lệ thuê bao di động trên tổng dân số.
    • Vốn quan hệ (Relational Capital): Tỷ lệ xuất khẩu hàng hóa và dịch vụ trên tổng GDP quốc gia.

Điều kiện biên (Boundary conditions): Khung phân tích được xác lập đối với các nền kinh tế đang phát triển có sự vận hành của thị trường tài chính và các thị trường toàn cầu có hệ thống thống kê chỉ báo vĩ mô đạt chuẩn mực World Bank.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ thế giới quan thực chứng (Positivism paradigm) với phương pháp tiếp cận định lượng suy diễn (Deductive quantitative approach) là chủ đạo, kết hợp bổ trợ phương pháp định tính phỏng vấn chuyên gia nhằm thẩm định tính tương thích của các hàm ý chính sách tại Việt Nam.

Thiết kế nghiên cứu đa tầng (Multi-level panel design) được thực hiện nhất quán trên 3 bộ dữ liệu bảng:

  • Mức 1 (Doanh nghiệp): Dữ liệu bảng 150 doanh nghiệp niêm yết trong giai đoạn 2011–2018 (1.200 quan sát).
  • Mức 2 (Ngành): Dữ liệu bảng 12 nhóm ngành kinh tế trong giai đoạn 2011–2018 (84 quan sát mô hình cân bằng sau hiệu chỉnh bậc trễ).
  • Mức 3 (Quốc gia): Dữ liệu bảng 104 quốc gia trên toàn cầu trong giai đoạn 2000–2018 (hơn 1.900 quan sát vĩ mô).

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được triển khai theo 5 giai đoạn chặt chẽ (Hình 1.1 trong luận án):

  1. Tổng quan lý thuyết và xác lập khoảng trống nghiên cứu.
  2. Thu thập và chuẩn hóa dữ liệu thứ cấp từ CafeF, Báo cáo kiểm toán niêm yết và World Bank WDI.
  3. Thực hiện kiểm định chẩn đoán kinh tế lượng chuyên sâu:
    • Kiểm định tự tương quan (Autocorrelation) và phương sai sai số thay đổi bằng kiểm định Wald hiệu chỉnh (Modified Wald test theo Baum, 2001).
    • Kiểm định phụ thuộc chéo (Cross-sectional dependence test) theo Pesaran (2004, 2015).
    • Kiểm định tính đồng nhất độ dốc (Slope homogeneity test) theo Pesaran và Yamagata (2008).
    • Kiểm định tính dừng dữ liệu bảng thế hệ thứ hai (Panel unit root test) theo Pesaran (2003) có kiểm soát phụ thuộc chéo.
    • Kiểm định đồng tích hợp bảng (Panel cointegration test) theo Kao (1999), Pedroni (1999, 2004) và Westerlund (2005).
  4. Ước lượng mô hình kinh tế lượng tiên tiến: Sử dụng phương pháp Moment tổng quát hệ thống (System GMM) cho cấp vi mô và phương pháp Tác động tương quan chung động (Dynamic Common Correlated Effects - DCCE theo Chudik & Pesaran, 2015a) cho cấp ngành và cấp quốc gia.
  5. Phân tích quan hệ nhân quả định hướng bằng mô hình Vectơ hiệu chỉnh sai số dạng bảng (Panel-based VECM Granger Causality theo Engle & Granger, 1987).

Data và phân tích

Các mô hình kinh tế lượng cụ thể được thiết lập như sau:

Mô hình cấp công ty (Ước lượng System GMM): $$\text{ROA}{it} = \beta_0 + \beta_1 \text{MVAIC}{it} + \beta_2 \text{INIC}{it} + \beta_3 \text{SIZE}{it} + \beta_4 \text{LEV}{it} + \varepsilon{it}$$ $$\text{ROE}{it} = \beta_0 + \beta_1 \text{MVAIC}{it} + \beta_2 \text{INIC}{it} + \beta_3 \text{SIZE}{it} + \beta_4 \text{LEV}{it} + \varepsilon{it}$$ Phân rã mô hình với các biến thành phần $\text{HCE}{it}, \text{SCE}{it}, \text{CEE}{it}, \text{RCE}{it}$. Phương pháp GMM kiểm soát triệt để ba nguồn gốc nội sinh: biến nội sinh động (nội sinh từ trễ biến phụ thuộc $\text{ROA}_{t-1}$), nội sinh đồng thời và yếu tố không quan sát được.

Mô hình cấp ngành (Ước lượng DCCE): $$\text{ROA}{it} = \beta_0 + \beta_1 \text{SICI}{it} + \beta_2 \text{SIZE}{it} + \beta_3 \text{LEV}{it} + \varepsilon_{it}$$ $$\text{ROE}{it} = \beta_0 + \beta_1 \text{SICI}{it} + \beta_2 \text{SIZE}{it} + \beta_3 \text{LEV}{it} + \varepsilon_{it}$$

Mô hình cấp quốc gia (Ước lượng DCCE): $$\text{PGDP}{it} = \alpha_0 + \alpha_1 \text{PGDP}{i,t-1} + \alpha_2 \text{INIC}{it} + \alpha_3 \text{TO}{it} + \alpha_4 \text{GE}{it} + \alpha_5 \text{BM}{it} + \alpha_6 \text{CE}{it} + \mu{it}$$ Trong đó: $\text{PGDP}$ là GDP bình quân đầu người thực tế (USD 2010); $\text{TO}$ là độ mở thương mại (% GDP); $\text{GE}$ là chi tiêu chính phủ (% GDP); $\text{BM}$ là cung tiền rộng M2 (% GDP); $\text{CE}$ là tín dụng trong nước cung ứng cho khu vực tư nhân (% GDP). Kỹ thuật DCCE giải quyết hoàn hảo hiện tượng phụ thuộc chéo và tính không đồng nhất độ dốc giữa các quốc gia.

Phát hiện đột phá và implications

Những phát hiện then chốt

Cấp độ phân tích Phát hiện chính Bằng chứng định lượng & Ý nghĩa thống kê
Doanh nghiệp: Khác biệt loại hình Doanh nghiệp tài chính có mức tích lũy vốn trí tuệ tổng thể cao hơn doanh nghiệp phi tài chính. Doanh nghiệp tài chính vượt trội về HCE và SCE ($p < 0,05$); doanh nghiệp phi tài chính cao hơn về CEE và RCE.
Doanh nghiệp: Tác động tài chính Vốn trí tuệ tổng thể (MVAIC) thúc đẩy mạnh mẽ hiệu quả hoạt động ở cả 2 nhóm. Tác động dương có ý nghĩa thống kê ở mức 1% đến cả ROA và ROE trong mô hình System GMM.
Ngành: Phân hóa chỉ số SICI Các ngành Chứng khoán, Năng lượng, Thực phẩm dẫn đầu về tích lũy SICI; Ngân hàng và Công nghệ thấp nhất. SICI tác động dương có ý nghĩa ($p < 0,10$) đến ROA và ROE ngành; $R^2 = 0,35$ (Mean Group).
Quốc gia: Động thái INIC toàn cầu Mức tích lũy INIC toàn cầu tăng đều đặn (2000–2018); Nam Mỹ tăng trưởng nhanh nhất; Châu Âu cao nhất; Châu Phi thấp nhất. Phần Lan dẫn đầu thế giới về INIC; Mỹ dẫn đầu nhóm G7/Top 10; Trung Quốc tăng trưởng vượt bậc sau 20 năm.
Quốc gia: Tác động vĩ mô & Nhân quả INIC tác động tích cực đến tăng trưởng GDP bình quân đầu người; Tồn tại quan hệ nhân quả hai chiều. Hệ số trễ $\text{PGDP}_{-1} = 0,958$ ($p < 0,01$), $R^2 = 0,97$; Nhân quả hai chiều $\text{INIC} \leftrightarrow \text{PGDP}$ ($Z\text{-bar} = 13,605, p < 0,01$).

Bên cạnh đó, nghiên cứu ghi nhận một phát hiện có tính chất phản trực giác (counter-intuitive): Ngành Ngân hàng (Banking) và Công nghệ (Tech) tại Việt Nam – vốn được mặc định là các ngành thâm dụng tri thức cao – lại ghi nhận chỉ số hiệu quả vốn trí tuệ (SICI) nằm trong nhóm thấp nhất giai đoạn 2011–2018. Điều này phản ánh thực trạng các định chế tài chính và doanh nghiệp công nghệ trong giai đoạn này chủ yếu mở rộng theo chiều rộng (vốn hữu hình, quy mô mạng lưới) mà chưa tối ưu hóa hiệu suất khai thác tài sản vô hình và năng suất vốn con người.

Implications đa chiều

  • Hàm ý lý thuyết: Xác nhận tính hợp lý của việc mở rộng khung phân tích RBV và KBT lên cấp vĩ mô. Kết quả chỉ ra rằng vốn trí tuệ quốc gia (INIC) không chỉ kích thích tăng trưởng kinh tế mà còn tạo hiệu ứng lan tỏa thuận lợi đến hiệu quả của từng doanh nghiệp hoạt động trong nền kinh tế đó.
  • Hàm ý phương pháp luận: Bộ chỉ số SICI và INIC cung cấp công cụ đo lường chuẩn hóa, có thể lặp lại (replicable), loại bỏ sai lệch do phán đoán chủ quan, mở ra phương pháp luận thực nghiệm mới cho các nghiên cứu kinh tế học ứng dụng.
  • Hàm ý quản trị doanh nghiệp:
    • Các doanh nghiệp tài chính cần duy trì thế mạnh về vốn con người và vốn cấu trúc, đồng thời cải thiện năng lực khai thác vốn quan hệ khách hàng.
    • Các doanh nghiệp phi tài chính cần chú trọng đầu tư bài bản cho đào tạo nhân lực chuyên sâu và số hóa quy trình (vốn cấu trúc) thay vì chỉ phụ thuộc vào vốn hữu hình.
  • Hàm ý chính sách vĩ mô:
    • Chính phủ cần định hình chiến lược gia tăng vốn trí tuệ quốc gia thông qua việc nâng cao ngân sách cho giáo dục đại học, hoàn thiện hạ tầng số viễn thông và thúc đẩy độ mở thương mại quốc tế.
    • Thiết lập cơ chế khuyến khích các ngành công nghệ và ngân hàng chuyển đổi mô hình kinh doanh sang thâm dụng tri thức và đổi mới sáng tạo thực chất.

Limitations và Future Research

Luận án thẳng thắn chỉ rõ các giới hạn mang tính điều kiện biên:

  1. Giới hạn về khung thời gian dữ liệu: Dữ liệu doanh nghiệp và ngành tại Việt Nam dừng lại ở giai đoạn 2011–2018; dữ liệu vĩ mô quốc tế giai đoạn 2000–2018. Giai đoạn này chưa bao quát các biến động sau đại dịch COVID-19 và làn sóng bùng nổ của trí tuệ nhân tạo tạo sinh (Generative AI).
  2. Đại diện cấu phần vốn quan hệ: Ở cấp doanh nghiệp, biến proxy cho vốn quan hệ (RCE) chủ yếu dựa trên chi phí bán hàng và tiếp thị từ báo cáo tài chính, có thể chưa phản ánh toàn diện giá trị thương hiệu hoặc mức độ gắn kết của đối tác chuỗi cung ứng.
  3. Quy mô mẫu doanh nghiệp niêm yết: Mẫu 150 doanh nghiệp chỉ tập trung vào các công ty có vốn hóa lớn và hoạt động liên tục, chưa đại diện cho khối doanh nghiệp vừa và nhỏ (SMEs) hoặc doanh nghiệp khởi nghiệp đổi mới sáng tạo.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Mở rộng chuỗi dữ liệu thời gian: Cập nhật chuỗi dữ liệu xuyên suốt giai đoạn 2019–2025 nhằm kiểm định tính ổn định của mô hình qua các cú sốc kinh tế toàn cầu.
  • Ứng dụng kỹ thuật AI và Big Data: Sử dụng thuật toán xử lý ngôn ngữ tự nhiên (NLP) phân tích báo cáo phát triển bền vững (ESG) để bóc tách sâu hơn các chỉ số vốn quan hệ và vốn cấu trúc vô hình.
  • Kiểm định tác động phi tuyến: Phân tích ngưỡng (Panel Threshold Regression) để xác định mức chi tiêu tối ưu cho giáo dục và hạ tầng số mà tại đó vốn trí tuệ tạo ra bước nhảy vọt về tăng trưởng kinh tế.

Tác động và ảnh hưởng

  • Tác động học thuật: Luận án tạo tiền đề cho hàng loạt nghiên cứu mở rộng trong cộng đồng học thuật khu vực Đông Nam Á và quốc tế về đo lường tài sản vô hình. Các chỉ số SICI và INIC có tiềm năng trích dẫn cao trong các tạp chí danh tiếng thuộc danh mục SSCI/Scopus (Q1/Q2) về Quản trị tri thức (Journal of Intellectual Capital) và Kinh tế lượng ứng dụng.
  • Chuyển đổi ngành: Đặt ra thước đo định lượng cho các hiệp hội ngành nghề (Hiệp hội Ngân hàng, Hiệp hội Phần mềm & Dịch vụ CNTT - VINASA) trong việc định giá tài sản trí tuệ và xây dựng lộ trình nâng cao năng lực cạnh tranh ngành.
  • Ảnh hưởng chính sách quốc gia: Cung cấp cơ sở định lượng trực tiếp cho Bộ Kế hoạch và Đầu tư, Bộ Khoa học và Công nghệ trong việc xây dựng Chiến lược Quốc gia về Phát triển Kinh tế Tri thức đến năm 2030, tầm nhìn 2045.
  • Lợi ích xã hội: Khẳng định vai trò quyết định của chi tiêu công cho giáo dục và hạ tầng mạng Internet trong việc nâng cao thu nhập bình quân đầu người và chất lượng cuộc sống người dân.

Đối tượng hưởng lợi

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Dựa trên Nguồn lực (RBV của Wernerfelt, 1984; Barney, 1991) và Lý thuyết Dựa trên Tri thức (KBT của Hoskisson và cộng sự, 1999) từ phạm vi vi mô cấp doanh nghiệp lên cấp độ trung mô (ngành) và vĩ mô (quốc gia). Luận án đã chứng minh một cách nhất quán rằng các tài sản vô hình khi được tích lũy có hệ thống sẽ tạo ra sức mạnh tổng hợp lan tỏa, nâng cao năng lực cạnh tranh và thúc đẩy tăng trưởng GDP quốc gia bền vững.

2. Sự đổi mới về mặt phương pháp luận so với ít nhất 2 nghiên cứu quốc tế trước đây?

So với nghiên cứu của Yodmongkon và Chakpitak (2009) tại Thái Lan (vốn dùng phân tích nội dung định tính dễ bị sai lệch chủ quan) và nghiên cứu của Poyhonen và Smedlund (2004) tại Phần Lan (chỉ giới hạn ở ngành chế biến gỗ qua phỏng vấn chuyên gia), luận án đã phát triển chỉ số SICI cấp ngành hoàn toàn dựa trên dữ liệu định lượng thứ cấp chuẩn mực từ báo cáo tài chính kiểm toán. Đồng thời, so với chỉ số NICI của Bontis (2004) chỉ áp dụng cho 10 nước Ả Rập, chỉ số INIC của luận án giải quyết được bài toán so sánh định lượng trên quy mô toàn cầu (104 quốc gia) suốt 19 năm với các thuộc tính toán học đơn giản, khách quan và có tính đại diện cao.

3. Phát hiện bất ngờ nhất trong dữ liệu thực nghiệm là gì và giải thích lý thuyết?

Phát hiện bất ngờ nhất là hai ngành Ngân hàng (Banking) và Công nghệ (Tech) tại Việt Nam lại có chỉ số hiệu quả vốn trí tuệ (SICI) tích lũy ở mức thấp trong giai đoạn 2011–2018 so với các ngành Năng lượng, Chứng khoán hay Thực phẩm. Dưới góc độ lý thuyết quản trị, điều này giải thích rằng trong giai đoạn nghiên cứu, ngành Ngân hàng Việt Nam chủ yếu mở rộng mạng lưới chi nhánh vật lý và vốn điều lệ hữu hình, còn ngành Công nghệ chủ yếu thực hiện gia công phần mềm giá trị gia tăng thấp, dẫn đến việc chưa tối ưu hóa hiệu quả của vốn cấu trúc và tri thức con người.

4. Quy trình tái lập nghiên cứu (Replication protocol) có được cung cấp minh bạch không?

Quy trình tái lập nghiên cứu được trình bày chi tiết và minh bạch tuyệt đối: nguồn dữ liệu cấp công ty được thu thập công khai từ sàn HOSE, HNX và hệ thống CafeF; dữ liệu cấp quốc gia được trích xuất hoàn toàn từ cơ sở dữ liệu công khai World Development Indicators (WDI) của World Bank; các công thức tính toán chỉ số MVAIC, SICI, INIC và quy trình kiểm định kinh tế lượng (từ kiểm định tính dừng thế hệ hai, đồng tích hợp bảng đến mã ước lượng DCCE và System GMM) đều được mô tả chi tiết, cho phép các nhà nghiên cứu độc lập tái lập và kiểm chứng kết quả.

5. Chương trình nghiên cứu 10 năm (10-year research agenda) được phác thảo như thế nào?

Chương trình nghiên cứu 10 năm tới định hướng:

  • Mở rộng ứng dụng chỉ số SICI sang các thị trường chứng khoán mới nổi khác trong khu vực ASEAN (Thái Lan, Indonesia, Malaysia).
  • Tích hợp các chỉ số vốn trí tuệ xanh (Green Intellectual Capital) và tài sản dữ liệu số vào cấu trúc chỉ số INIC thế hệ mới.
  • Khảo sát tác động điều tiết của năng lực chuyển đổi số và công nghệ trí tuệ nhân tạo đối với mối quan hệ giữa vốn trí tuệ và hiệu quả kinh tế vĩ mô.

Kết luận

  1. Luận án đã giải quyết toàn diện bài toán đo lường vốn trí tuệ đa tầng thông qua 3 thước đo chuẩn mực: MVAIC (cấp doanh nghiệp), SICI (cấp ngành) và INIC (cấp quốc gia).
  2. Xác lập bằng chứng thực nghiệm vững chắc về sự khác biệt cấu trúc vốn trí tuệ: doanh nghiệp tài chính vượt trội về HCE và SCE, trong khi doanh nghiệp phi tài chính dẫn đầu về CEE và RCE.
  3. Khẳng định tác động tích cực và có ý nghĩa thống kê của vốn trí tuệ đến hiệu quả tài chính doanh nghiệp (ROA, ROE) và hiệu quả hoạt động ngành tại Việt Nam giai đoạn 2011–2018.
  4. Chứng minh mối quan hệ đồng tích hợp dài hạn và quan hệ nhân quả hai chiều chặt chẽ giữa vốn trí tuệ quốc gia (INIC) và tăng trưởng kinh tế (GDP bình quân đầu người) trên mẫu dữ liệu toàn cầu 104 quốc gia (2000–2018).
  5. Đóng góp chỉ số INIC thỏa mãn trọn vẹn 4 tiêu chuẩn học thuật khắt khe: tính đơn giản, khả năng định lượng khách quan, phản ánh chính xác điều kiện thị trường và năng lực so sánh quốc tế chuẩn mực.
  6. Mở ra ba dòng nghiên cứu học thuật mới mẻ về kinh tế học tài sản vô hình: hạch toán kinh tế tri thức ngành, quản trị vốn trí tuệ vĩ mô và chiến lược phân bổ nguồn lực quốc gia trong kỷ nguyên số.